BriefGPT - AI 论文速递
·
Transformer-Based Human Activity Recognition: Opportunities and Challenges
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
研究发现，在数据稀缺和资源有限的情况下，转化器模型在人体活动识别中表现不佳。其计算需求高，性能不如传统模型，量化后性能下降，对抗攻击下鲁棒性弱，可能影响用户信任。
🎯
关键要点
- 研究探讨了数据稀缺和资源限制下的人体活动识别（HAR）问题。
- 转化器模型在这些条件下表现不佳，计算需求高，性能劣于传统模型。
- 量化后，转化器模型的性能显著下降。
- 在对抗性攻击下，转化器模型的鲁棒性较弱。
- 这些问题可能影响用户对HAR的信任。
➡️
